TypeSafe AI ra mắt mô hình AI chơi được Doom, không trò chuyện mà đưa ra quyết định có xác suất

TypeSafe AI, startup vừa gọi vốn thành công 40 triệu USD, đã chính thức tuyên bố mình là nhà phát triển mô hình AI tiên tiến với việc ra mắt Jev — một loại mô hình AI mới được thiết kế để tương tác với máy móc thay vì con người. Thay vì trả về ngôn ngữ tự nhiên, Jev đưa ra các quyết định có xác suất và được định kiểu dữ liệu (typed probabilistic decisions) cho phần mềm hoặc các mô hình AI khác sử dụng.

Cách tiếp cận hoàn toàn khác biệt

Điểm khác biệt cốt lõi của Jev nằm ở khái niệm an toàn kiểu dữ liệu (type safety) — vốn quen thuộc trong lập trình để phát hiện lỗi khi phần mềm xử lý sai loại dữ liệu, ví dụ như chia một số nguyên cho một chuỗi văn bản. Bằng cách cung cấp các giá trị có cấu trúc và được định kiểu sẵn, Jev loại bỏ hoàn toàn bước phân tích cú pháp và xác thực vốn cần thiết khi xử lý phản hồi văn bản từ các mô hình ngôn ngữ lớn (LLM).

Cách tiếp cận này đặc biệt hữu ích trong những tình huống cần giới hạn câu trả lời của hệ thống AI trong một tập hợp hữu hạn. Ví dụ, Jev có thể chơi được Doom khi được cung cấp dữ liệu có cấu trúc mô tả trạng thái trò chơi của người chơi. Tuy nhiên, ứng dụng thực tế phổ biến hơn sẽ là phân loại các vấn đề chăm sóc khách hàng và tự động hóa quy trình nghiệp vụ.

Mô hình AI Jev của TypeSafe AI

Cơ chế hoạt động của Jev

Với Jev, lập trình viên bắt đầu bằng một giá trị trạng thái — có thể là một đối tượng JSON hoặc đơn giản chỉ là một chuỗi như "Thẻ của tôi bị trừ tiền hai lần". Mô hình sẽ nhận thông tin trạng thái thông qua một tập hợp các nguyên hàm câu hỏi (question primitives) gồm Choice, Score và Noul, mỗi nguyên hàm trả về một kiểu phản hồi có cấu trúc kèm theo xác suất.

Ví dụ, khi yêu cầu mô hình chọn một trong ba phòng ban xử lý một yêu cầu chăm sóc khách hàng, kết quả có thể là:

{"billing": 0.08, "technical": 0.85, "sales": 0.07}

với điểm tin cậy là 0.82. Kết quả này không mấy hữu ích với người dùng thông thường, nhưng với lập trình viên, đây chính xác là thứ giúp các chức năng chăm sóc khách hàng vận hành ổn định và đáng tin cậy hơn.

Kiến trúc System One và tốc độ vượt trội

Jev thuộc dòng System One, sử dụng kiến trúc mang tên Học tăng cường cho quyết định đã hiệu chỉnh (Reinforcement Learning for Calibrated Decisions — RLCD). Diogo Almeida, đồng sáng lập kiêm CEO của TypeSafe AI, là cựu nghiên cứu viên OpenAI và là một trong những người đồng phát minh ra phương pháp học tăng cường từ phản hồi con người (RLHF) — nền tảng đằng sau ChatGPT.

"TypeSafe được thành lập để theo đuổi một con đường nghiên cứu AI khác biệt, tập trung vào AI bản địa cho máy móc", Almeida chia sẻ. "Tôi đã dành nhiều năm phát triển các mô hình giúp AI tương tác tốt hơn với con người. Nhưng nếu AI thực sự thay đổi cách công việc được thực hiện, con người không thể là người tiêu thụ trí tuệ duy nhất."

Về hiệu năng, TypeSafe tuyên bố các LLM thông thường có thời gian phản hồi dao động, đôi khi kéo dài đến vài phút. Trong khi đó, Jev chỉ mất từ 70ms đến 500ms — nhanh hơn 40 đến 200 lần so với LLM truyền thống. Mô hình đạt được tốc độ này nhờ xử lý song song: các LLM như GPT-5.6 Terra dự đoán từng token tiếp theo trong chuỗi nên phải hoạt động tuần tự, còn kiến trúc System One trả về toàn bộ kết quả cùng lúc.

Chi phí rẻ hơn hàng trăm lần

Yếu tố chi phí cũng là điểm mạnh đáng kể. Jev tính 0,042 USD mỗi triệu token đầu vào và miễn phí hoàn toàn cho đầu ra. Trong khi đó, OpenAI GPT-5.6 Terra có giá 2 USD mỗi triệu token đầu vào và 12 USD mỗi triệu token đầu ra. So với một mô hình cao cấp như Fable 5.1, Jev tiết kiệm chi phí lên tới 238 lần.

Trong bản demo trên trang web TypeSafe, Jev trả về kết quả chỉ trong 0,114 giây, so với 8,566 giây của GPT-5.6 Terra.

Tên gọi "Jev" và nghịch lý Jevons

Cái tên Jev là sự tri ân nhà kinh tế học người Anh thế kỷ 19 William Stanley Jevons, người nổi tiếng với nghịch lý Jevons — lập luận rằng hiệu quả công nghệ trong sử dụng than lại làm tăng mức tiêu thụ than thay vì giảm đi. Cái tên này cũng phản ánh niềm tin của ngành AI rằng hiệu quả token cao hơn sẽ thúc đẩy tiêu thụ token nhiều hơn, ngay cả khi giá token giảm xuống.

Tuy nhiên, giả định này vẫn chưa được kiểm chứng đầy đủ, bởi nhiều người dù có quyền truy cập công cụ AI lại không có nhu cầu sử dụng, hoặc tránh dùng vì lý do đạo đức.

Không "ảo giác" nhưng không miễn nhiễm sai sót

TypeSafe tuyên bố Jev không bị ảo giác (hallucination-free), nhưng so sánh này có phần không công bằng vì đầu ra của Jev không phải ngôn ngữ tự nhiên. Jev trả về các phản hồi có cấu trúc kèm xác suất, và điều đó không loại trừ khả năng đưa ra kết quả sai. Mô hình này sẽ không trở thành nguồn thông tin sai lệch như các trích dẫn pháp lý bịa đặt, nhưng nó cũng không được dùng theo cách tương tự, vì phản hồi của nó dành cho phần mềm tiêu thụ.

Điểm này đặc biệt quan trọng khi xử lý các lệnh gọi công cụ của tác tử AI (AI agent) và tự động hóa. Theo công ty:

"Một lệnh gọi công cụ bị ảo giác gây bất tiện trong một tác tử, nhưng là vấn đề chí mạng nếu nó nằm trong hệ thống có cam kết về độ trễ, hoặc bị chôn sâu vài tầng trong chuỗi phụ thuộc."

Ứng dụng tiềm năng

Theo TypeSafe, Jev phù hợp với nhiều kịch bản:

• Phần mềm tự động hóa AI và các ứng dụng thời gian thực cần ra quyết định nhanh chóng
• Các tác vụ map-reduce AI để phân loại khối lượng lớn dữ liệu
• Xác minh đầu vào AI trước khi đưa vào các hệ thống quan trọng
• Khung quản lý mô hình AI (AI model harnesses)

Và nếu Jev thực sự chơi được Doom hiệu quả như quảng cáo, có thể không lâu nữa người ta sẽ yêu cầu Jev đưa ra các quyết định nhắm mục tiêu cho máy bay không người lái — một viễn cảnh đặt ra nhiều câu hỏi đạo đức đáng suy ngẫm.